电子显微镜使得细胞内部复杂结构的可视化成为可能。三维电子显微镜的进展，称为体积EM (vEM)，进一步提升了这种三维纳米级成像的能力。然而，成像速度、质量与样本量之间的权衡依然限制了可实现的成像面积和体积。
人工智能(AI)正在各个科学领域中发挥关键作用，推动着技术的突破，并成为科学研究的重要工具。
香港大学(港大)化学系的蒋海波教授与电机及电子工程系的齐晓娟教授，受到人工智能图像生成模型（尤其是先进扩散模型）的最新突破启发，开发了一种基于扩散模型的算法，命名为EMDiffuse。
这一创新方案旨在增强成像能力，并解决EM与vEM所面临的权衡问题。该团队的研究成果最近发表在《自然通讯》期刊上。
对于传统的2D EM，EMDiffuse能够还原高分辨率超微结构细节的真实高质量视觉效果，即使在嘈杂或低分辨率的输入条件下也表现出色。与其他基于深度学习的去噪或超分辨率方法不同，EMDiffuse采用了一种独特的方式，从目标分布中进行采样以获得解决方案。
EMDiffuse在其基于扩散的每一步中，将低质量图像作为条件或约束，以确保生成结构的准确性。这意味着低质量的输入被积极用于指导和塑造修复，而不仅仅是作为起点。
扩散模型能够有效防止模糊，保持与真实情况相媲美的分辨率，这对于详细的超微结构研究至关重要。此外，EMDiffuse的通用性和可移植性使其能够直接应用于各种数据集，并在仅对训练图像进行最小微调后应用于不同的数据集。
在vEM中，当前的硬件通常难以捕获大样本的高分辨率3D图像，尤其是在深度（或“z方向”）上，这使得对重要细胞成分（如线粒体和内质网）的3D结构进行充分研究变得困难。
EMDiffuse通过两种灵活的方法解决了这一问题。它可以利用“各向同性”训练数据——三维图像数据集，在所有维度上具有一致的高分辨率——来学习如何提升其他三维数据的轴向分辨率。
此外，EMDiffuse还可以分析现有的3D图像，并通过自我监督技术提升其深度分辨率，而无需专门的训练数据。这种多功能性使EMDiffuse能够提升不同研究应用中3D电子显微镜数据的质量和实用性。
修复后的体积在研究超微结构细节（如线粒体嵴和线粒体与内质网之间的相互作用）方面展现出卓越的准确性，这些细节在原始各向异性体积中难以观察到。由于EMDiffuse不需要各向同性的训练数据，因此可以直接应用于任何现有的各向异性体，以提升其轴向分辨率。
EMDiffuse代表了EM与vEM成像能力的重要进展，提升了图像质量和所生成数据的轴向分辨率。“有了这个基础，我们可以设想EMDiffuse算法的进一步发展和加速，为深入研究大型生物系统中复杂的亚细胞纳米级超微结构铺平道路，”该论文的通讯作者之一蒋海波教授表示。
该论文的另一位通讯作者齐晓娟教授表示：“随着这种人工智能成像技术的成熟，我们期待看到它如何帮助研究人员发现生物系统中以前未被发现的运作机制。”
本文来自作者[平文]投稿，不代表八木号立场，如若转载，请注明出处：https://jaxi.cnbmelink.com/keji/202412-3330.html
评论列表（4条）
我是八木号的签约作者“平文”！
希望本篇文章《人工智能驱动的方法增强了复杂生物系统的电子显微镜成像能力》能对你有所帮助！
本站[八木号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： 电子显微镜使得细胞内部复杂结构的可视化成为可能。三维电子显微镜的进展，称为体积EM(vEM)，进一步提升了这种三维纳米级成像的能力。然而，成像速度、质量与样本量之间的权衡依...